Targeted Maximum Likelihood Estimation (TMLE)

Targeted Maximum Likelihood Estimation (TMLE) is een semiparametrische, dubbel-robuuste methode voor causale inferentie, geïntroduceerd door Mark van der Laan en Daniel Rubin in 2006. Het combineert flexibele machine learning-modellen voor zowel de uitkomst als het mechanisme voor behandeltoewijzing, en past vervolgens een targetingstap toe die het initiële uitkomstmodel specifiek opnieuw aanpast om bias voor een vooraf gespecificeerd causaal schattingsdoel, zoals het gemiddelde behandelingseffect, te verminderen. TMLE wordt veel gebruikt in de epidemiologie, biostatistiek en gezondheidseconomie bij het schatten van causale effecten uit observationele gegevens.